基于ClothResNet模型的人體衣物顏色識別

黃玥玥, 陳 曉, 王海燕, 姚海洋

(陜西科技大學 電子信息與人工智能學院, 陜西 西安 710016)

人體衣物外觀對個體具有強烈的表征意義,其對社會生活多個方面有著廣泛且深刻的影響。在時尚領域,顏色作為服裝感知的最主要特征,可鮮明地表現(xiàn)人類情感,塑造迥然不同的形象[1];在電商領域,顏色搭配對服裝的銷售具有重要影響[2-4];在安全領域,利用大量交叉監(jiān)控視頻搜索人物時,外部衣物屬性作為重要的識別特征,可聯(lián)合實現(xiàn)更準確地實時人物捕捉與分析[5-7],因此,如何高效、準確地識別人體衣物屬性受到多個領域的廣泛關注。

傳統(tǒng)人體衣物顏色識別方法基于手工特征結合分類器,手工設計衣物各種特征并從背景中分離出來,然后利用機器學習方法K-means[8]、Mean shift[9]等作為離散數(shù)據(jù)的聚類算法,通過重建衣物的顏色空間數(shù)據(jù)提高對衣物顏色的識別。這些方法通常用手工判定邊界方式,會消耗大量的人工成本,且當圖像背景顏色與服裝顏色相似時,識別算法會將其顏色聚為一類,導致對衣物顏色識別精確率過低。基于深度學習的衣物顏色識別,采用端到端的深度神經(jīng)網(wǎng)絡結構,通過聯(lián)合優(yōu)化將特征提取和分類器合并成統(tǒng)一的框架,使得識別模型更能表征數(shù)據(jù)特點。如Ivanov等[10]設計了以LeNet為基本網(wǎng)絡結構的模型,可自動提取圖像中人體衣物特征,但該方法識別精確率僅達到78%。Roy[11]利用YOLOv3和殘差網(wǎng)絡,有效提取了圖像中衣物的位置信息,利用DeepFashion[12]數(shù)據(jù)集進行訓練,實現(xiàn)了服裝的邊框回歸檢測;通過在測試數(shù)據(jù)集中進行衣物顏色的識別驗證,準確度達89%。……